به گزارش پایگاه اطلاع رسانی بنیان، دانشمندان مؤسسه تحقیقات سرطان آلمان (DKFZ) و دانشگاه شانگهای یک روشی نوآورانه برای پرورش تومورهای مغزی بیماران فردی در آزمایشگاه توسعه داده‌اند که ساختار اصلی و ویژگی‌های مولکولی تومور والد را تا حد ممکن شبیه‌سازی می‌کند. آزمایش‌های دارویی در این مدل نشان داده‌اند که نتایج آن ارتباط بسیار خوبی با پاسخ‌های واقعی بیماران دارد، که این روش را به ابزاری ارزشمند برای بررسی درمان‌ها تبدیل می‌کند.

ارگانوییدهای توموری

ارگانوییدهای توموری، که به "تومورهای مینیاتوری" که از مواد جراحی در یک ظرف کشت رشد می‌کنند اشاره دارند، اکنون در تحقیقات سرطان به طور گسترده‌ای استفاده می‌شوند. گروه‌های تحقیقاتی مختلف پیشرفت‌هایی در پرورش تومورهای مغزی در آزمایشگاه به‌ویژه برای گلیوبلاستوماهای بسیار تهاجمی داشته‌اند. با این حال، پیچیدگی تومورها چالش بزرگی برای این تحقیقات است. در بسیاری از روش‌های موجود، این مینی-تومورها به سرعت خواص مهم خود را از دست می‌دهند یا تعاملات بین سلول‌های توموری و محیط آن‌ها به‌طور کامل بازسازی نمی‌شود.

استفاده از ارگانویدهای توموری برای تحقیقات سرطان

ارگانویدهای توموری ابزارهای مهمی برای تحقیقات سرطان هستند، اما مدل‌های کنونی دارای محدودیت‌هایی هستند که کاربرد آن‌ها را برای پیش‌بینی پاسخ به درمان محدود می‌کند. در این تحقیق، ما یک سیستم کشت سریع، کارآمد و پیچیده (IPTO، ارگانوید تومور بیمار خاص) توسعه دادیم که به‌طور دقیق پاتولوژی سلولی و مولکولی تومورهای مغزی انسانی را بازسازی می‌کند. تومورهای مشتق‌شده از بیماران در ارگانویدهای مغزی تولید شده از سلول‌های بنیادی پرتوان القا شده (iPSC) کشت داده شدند، که این امکان را فراهم می‌کند که طیف وسیعی از تومورهای انسانی سیستم عصبی مرکزی (CNS) شامل سرطان‌های مغزی بزرگسالان، کودکان و متاستاتیک کشت داده شوند. تحلیل‌های هیستوپاتولوژیکی، ژنومی، اپی‌ژنومی و توالی‌یابی RNA سلول منفرد (scRNA-seq) نشان داد که مدل IPTO تنوع سلولی و ویژگی‌های مولکولی تومورهای اصلی را بازسازی می‌کند. به‌طور حیاتی، ما نشان دادیم که مدل IPTO پاسخ‌های دارویی خاص بیمار، از جمله مکانیسم‌های مقاومت را در یک گروه پیش‌بینی‌شده از بیماران پیش‌بینی می‌کند. در مجموع، مدل IPTO یک پیشرفت بزرگ در مدل‌سازی پیش‌بالینی سرطان‌های انسانی است که مسیر را برای درمان سرطان شخصی‌سازی‌شده فراهم می‌آورد. ارگانوییدهای توموری مشتق‌شده از بیماران (PTOها) ابزارهای نوظهوری برای تحقیقات پیش‌بالینی سرطان هستند. شباهت بین PTOها و تومورهای بیماران نویدبخش استفاده از PTOها به عنوان مدل‌هایی برای ارزیابی پاسخ‌های دارویی در علم سرطان شخصی‌سازی‌شده کاربردی است. با این حال، مدل‌های PTO نیاز به بهبود در نرخ موفقیت، اثربخشی، حفظ محیط میکروسکپی تومور و پیش‌بینی پاسخ‌های بیماران دارند.

تومورهای اولیه مغزی مانند گلیوبلاستوما (GBM)

تومورها در سیستم عصبی مرکزی (CNS) شامل چندین موجودیت پاتولوژیک مانند تومورهای اولیه و متاستاز مغزی هستند. گلیوبلاستوما (GBM) یکی از تهاجمی‌ترین تومورهای اولیه مغزی است و پیش‌آگهی آن همچنان بد است، علی‌رغم پیشرفت‌های سریع در تحلیل ژنومی GBM. یکی از چالش‌های اصلی این است که مدل‌های پیش‌بالینی به‌طور دقیق پاسخ‌های دارویی بیماران را پیش‌بینی نمی‌کنند. چندین مدل ارگانوید مشتق‌شده از بیمار برای تومورهای مغزی اولیه، عمدتاً برای GBM، توسعه یافته است. روش ارگانوید گلیومای مغزی (GLICO) و سایر روش‌های کشت مشترک از سلول‌های تجزیه‌شده یا کره‌های مشتق‌شده از بیماران به‌همراه کشت ارگانوید مغزی استفاده می‌کنند که برخی ویژگی‌های کلیدی گلیوبلاستوما انسانی را شبیه‌سازی می‌کنند، به‌ویژه برای مطالعه نفوذ سلول‌های توموری. مدل ارگانوید GBM مشتق‌شده از بیمار (GBO) و مدل ارگانویدهای مشتق‌شده از تومورهای بیماران (PDEها) به‌ترتیب تومورهای اکسپلنت را بدون یا با استفاده از ماتریژل کشت می‌دهند. این مدل‌ها نگهداری بهتر هتروژنیته و ساختار GBM را نشان می‌دهند زیرا از تجزیه تومور جلوگیری می‌کنند. روش‌های کنونی نگهداری ضعیفی از سلول‌های استرومای تومور و هتروژنیته فضایی دارند و نرخ موفقیت پایینی برای گلیومای درجه پایین (LGGs) و گلیومای جهش‌یافته ایزوسیترات دهیدروژناز (IDH-mut) دارند.

بکارگیری روش جدید IPTO (ارگانویید تومور بیمار خاص)

مدل جدیدی که توسط هایکون لیو از DKFZ توسعه داده شده، به ارگانوییدهای مغزی متکی است، نوعی "مغز مینیاتوری" که از سلول‌های بنیادی انسانی القا شده تولید می‌شود. در این ارگانوییدها، که ویژگی‌های مغزی از خود نشان می‌دهند، نمونه‌های تازه جمع‌آوری‌شده از تومور رشد داده می‌شود. این مدل تومور، که تنوع انواع سلولی، محیط پیچیده تومور و ویژگی‌های مولکولی تومور اصلی را به‌دقت شبیه‌سازی می‌کند، توسعه می‌یابد. پژوهشگران این روش جدید را IPTO (ارگانویید تومور بیمار خاص) نام‌گذاری کرده‌اند. این روش بر روی نمونه‌های بیمارانی از بیمارستان‌های هایدلبرگ، مانهایم و همچنین در یک مطالعه گسترده‌تر بر روی بیماران تومور مغزی در شانگهای، به‌همکاری دانشگاه شانگهای تک، آزمایش شده است. یافته‌ها در مجله Cell Stem Cell منتشر شده‌اند. با استفاده از IPTOها، ما می‌توانیم نه تنها ساختار و تنوع تومورها را حفظ کنیم، بلکه پاسخ آن‌ها به درمان‌های مختلف را نیز پیش‌بینی کنیم" توضیح می‌دهد لیدر مطالعه، لیو. ویژگی ویژه این روش این است که می‌تواند برای انواع مختلف تومورهای سیستم عصبی مرکزی، از تومورهای مغزی بسیار تهاجمی مانند گلیوبلاستوما تا متاستازهای مغزی، که در حدود 20 درصد از تمام بیماران سرطانی رخ می‌دهند، به کار رود. در مطالعه کنونی، تیم تحقیقاتی توانست IPTOها را از تا 48 نوع تومور، از جمله تومورهای مغزی کودکان، انواع مختلف گلیوبلاستوما، و متاستازهای مغزی سرطان‌های سینه، ریه و کولون کشت دهد.

ارتباط بین نورون‌ها و سلول‌های سرطانی

ما فرض می‌کنیم که ارتباط بین نورون‌ها و سلول‌های سرطانی در مدل IPTO باعث رشد تومورهای سیستم عصبی مرکزی می‌شود که بازتابی از تحولات اخیر در علم سرطان‌شناسی عصبی است" لیو توضیح می‌دهد. پژوهشگران دریافتند که مدل IPTO برای آزمایش اثربخشی شیمی‌درمانی یا داروهای ضدسرطان دیگر بر روی تومورهای فردی بسیار مفید است. در یک مطالعه پیش‌بینی‌کننده بر روی 35 بیمار مبتلا به گلیوبلاستوما، IPTOها توانستند پاسخ به داروی مهم تموزولومید را با دقت پیش‌بینی کنند. این مدل IPTO را به اولین مدل پیش‌بالینی تومور مغزی تبدیل کرد که پاسخ بیماران را در یک محیط بالینی پیش‌بینی می‌کند.

شیوه تحقیقاتی

در آزمایشات با IPTOهای کشت‌شده از متاستازهای مغزی، تومورهای مینیاتوری در ظرف کشت نیز به‌طور دقیق نتایج درمانی با داروهای هدفمند را بازتاب دادند—گامی مهم به‌سوی پزشکی شخصی‌سازی‌شده. از آنجا که تعداد سلول‌های ایمنی نیز در IPTOها با تومورهای والد آن‌ها تطابق دارد، این مینی-تومورها در حال حاضر برای آزمایش قابلیت پیش‌بینی اثربخشی ایمنی‌درمانی‌ها نیز بررسی می‌شوند. ما بسیار هیجان‌زده هستیم که پزشکان از کشورهای مختلف به ما نزدیک شده‌اند تا بررسی کنند چگونه می‌توانند از مدل IPTO برای یافتن بهترین گزینه‌های درمانی برای بیماران خود به‌سرعت و به‌طور قابل اعتمادتر استفاده کنند" می‌گوید لیو، که به‌تازگی یک استارتاپ از DKFZ راه‌اندازی کرده تا با همکارانش پتانسیل‌های بیشتر IPTOها برای آزمایش دارو را کاوش کند.

گام بعدی مطالعه

تیم تحقیقاتی قصد دارد داده‌های مولکولی باکیفیت از درمان‌های دارویی جمع‌آوری کند و از این داده‌ها برای آموزش مدل‌های هوش مصنوعی پیشرفته استفاده کند که ممکن است به یافتن بهترین درمان برای بیماران مبتلا به سرطان مغز کمک کند. با این حال، این روش همچنان نیاز به ارزیابی بیشتر دارد تا پیش از استفاده در مراقبت‌های بالینی برای بیماران، به‌طور کامل به‌کار گرفته شود.

پایان مطلب/.